Supercomputers kunnen zonder werk komen te zitten dankzij een reeks nieuwe modellen voor machinaal leren die snelle, nauwkeurige resultaten met een normale laptop.

Onderzoekers van het ARC Centre of Excellence in Exciton Science, gevestigd aan de RMIT University, een programma hebben geschreven dat de band gap van materialen voorspelt, ook voor toepassingen op zonne-energie, via vrij verkrijgbare en gebruiksvriendelijke software. Band gap is een cruciale indicatie van hoe efficiënt een materiaal zal zijn bij het ontwerpen van nieuwe zonnecellen.

Band gap-voorspellingen omvatten chemische berekeningen op kwantum- en atomaire schaal en worden vaak gemaakt met behulp van dichtheidsfunctionaaltheorie. Tot nu, dit proces heeft honderden uren kostbare supercomputerverwerkingstijd gekost, evenals ingewikkelde en dure software.

Om dit probleem aan te pakken, de onderzoekers trainden een machine learning-model met behulp van gegevens gegenereerd uit 250, 000 eerdere supercomputerberekeningen. De resultaten zijn gepubliceerd in Journal of Cheminformatics .

aanzienlijk, terwijl het programma in staat is om meerdere variabelen op te nemen, bleek dat slechts één factor, stoïchiometrie, bevat - in bijna alle gevallen - voldoende informatie om de band gap nauwkeurig te voorspellen. Stoichiometrie is de numerieke relatie tussen chemische reactanten en producten, zoals de hoeveelheid ingrediënten in een recept om een ​​cake te bakken.

Er is meer werk nodig om volledig te begrijpen waarom stoichiometrie alleen zo nuttig bleek te zijn. Maar het roept het opwindende vooruitzicht op dat langdurige supercomputerberekeningen niet langer nodig zijn voor sommige toepassingen. Het kunstmatige neurale netwerk dat de machine learning-programma's aandrijft, zou ooit kunnen worden opgevolgd door een softwareprogramma dat een vergelijkbare functie vervult als de dichtheidsfunctionaaltheorie, zij het met veel meer eenvoud.

Hoofdauteur Carl Belle zegt dat "als je simulaties wilt doen, maar je moet miljoenen dollars aan supercomputerinfrastructuur achter je hebben, je kunt het niet. Als we kunnen onderzoeken waarom de stoichiometrische configuratie zo krachtig is, dan kan het betekenen dat er geen supercomputers nodig zijn om kandidaat-materiaal te screenen, noch voor nauwkeurige simulaties. Het zou echt dingen kunnen openen voor een hele nieuwe groep wetenschappers om te gebruiken."

Het machine learning-programma is niet beperkt tot band gap. Het kan worden gebruikt om de eigenschappen van veel andere materialen voor andere contexten te voorspellen, en is ontwikkeld door een professionele programmeur, waardoor het niet alleen nuttig is voor wetenschappers en academici, maar ook voor bedrijven en bedrijfstoepassingen.

"Het is gebouwd volgens de industriestandaard en ontworpen om samen te werken, ' zei Belle.

"De website heeft een volledig relationele database. Het heeft miljoenen records. Het is er allemaal en vrij beschikbaar voor gebruik. We zijn klaar om te gaan."